依據Stockfish各等級對應的人類Elo評分 ，并不能嚴厲衡量模型的實在水平。它是世界上最強的CPU國際象棋引擎，并別離核算Game Arena Elo和人類Elo分得出。比方發現大言語模型特別喜愛西西里防護局勢。全面檢測它們的戰略推理